Không dùng nữa: Hàm Âm mưu ma trận nhầm lẫn. Đọc thêm trong Hướng dẫn sử dụng.User Guide. Phân loại được trang bị hoặc một Giá trị đầu vào. Giá trị mục tiêu. Danh sách các nhãn để lập chỉ mục ma trận. Điều này có thể được sử dụng để sắp xếp lại hoặc chọn một tập hợp con của nhãn. Nếu Trọng lượng mẫu.plot_confusion_matrix
không được dùng để loại bỏ trong 1.0 và sẽ bị xóa trong 1.2. Sử dụng một trong các phương thức lớp: nhầm lẫnMatrixDisplay.From_Predictions hoặc InfusionMatrixDisplay.From_estimator.plot_confusion_matrix
không được dùng để loại bỏ trong 1.0 và sẽ bị loại bỏ trong 1.2. Sử dụng một trong các phương thức lớp sau: from_predictions
hoặc from_estimator
.Pipeline
được trang bị trong đó công cụ ước tính cuối cùng là một trình phân loại.None
được đưa ra, những người xuất hiện ít nhất một lần trong y_true
hoặc y_pred
được sử dụng theo thứ tự được sắp xếp.
Để bình thường hóa hiển thị số đếm trong ma trận:
display_labelsarray giống như hình dạng [n_ classes,], mặc định = khôngarray-like of shape [n_classes,], default=None
Nếu
'true'
, ma trận nhầm lẫn được chuẩn hóa trong các điều kiện thực [ví dụ: các hàng];Nếu
plot_confusion_matrix
0, ma trận nhầm lẫn được chuẩn hóa trong các điều kiện dự đoán [ví dụ: cột];Nếu
plot_confusion_matrix
1, ma trận nhầm lẫn được chuẩn hóa bởi tổng số mẫu;Nếu
None
[mặc định], ma trận nhầm lẫn sẽ không được chuẩn hóa.
Tên mục tiêu được sử dụng để vẽ đồ thị. Theo mặc định, plot_confusion_matrix
3 sẽ được sử dụng nếu nó được xác định, nếu không các nhãn duy nhất của y_true
và y_pred
sẽ được sử dụng.
Bao gồm các giá trị trong ma trận nhầm lẫn.
Xticks_rotation {‘dọc,‘ ngang} hoặc float, mặc định ={‘vertical’, ‘horizontal’} or float, default=’horizontal’Xoay của nhãn XTICK.
value_formatstr, mặc định = khôngstr, default=NoneĐịnh dạng đặc tả cho các giá trị trong ma trận nhầm lẫn. Nếu None
, đặc tả định dạng là ‘D, hoặc‘ .2g, tùy theo thời gian ngắn hơn.
Colormap được công nhận bởi matplotlib.
AXMATPLOTLIB AXES, DEFAULT = Không cómatplotlib Axes, default=NoneTrục đối tượng để vẽ trên. Nếu None
, một hình và trục mới được tạo ra.
Có hay không thêm một colorbar vào cốt truyện.
Mới trong phiên bản 0.24.
Returns:displayplot_confusion_matrix
8:displayplot_confusion_matrix
8Đối tượng lưu trữ các giá trị tính toán.
Ví dụ
>>> import matplotlib.pyplot as plt >>> from sklearn.datasets import make_classification >>> from sklearn.metrics import plot_confusion_matrix >>> from sklearn.model_selection import train_test_split >>> from sklearn.svm import SVC >>> X, y = make_classification[random_state=0] >>> X_train, X_test, y_train, y_test = train_test_split[ ... X, y, random_state=0] >>> clf = SVC[random_state=0] >>> clf.fit[X_train, y_train] SVC[random_state=0] >>> plot_confusion_matrix[clf, X_test, y_test] >>> plt.show[]
Làm thế nào để bạn hiển thị ma trận nhầm lẫn trong keras?
Xem ma trận nhầm lẫn trong TensorBord Tạo cuộc gọi lại Keras Tensorboard để ghi số các số liệu cơ bản. Tạo một keras lambdacallback để ghi lại ma trận nhầm lẫn ở cuối mỗi kỷ nguyên. Huấn luyện mô hình bằng mô hình. Fit [], đảm bảo vượt qua cả hai cuộc gọi lại.Create the Keras TensorBoard callback to log basic metrics. Create a Keras LambdaCallback to log the confusion matrix at the end of every epoch. Train the model using Model. fit[], making sure to pass both callbacks.
Làm thế nào để bạn đại diện cho một ma trận nhầm lẫn?
Cách tính một ma trận nhầm lẫn để phân loại nhị phân..
Xây dựng bảng của bạn. ....
Nhập các giá trị tích cực và âm dự đoán. ....
Nhập các giá trị tích cực và tiêu cực thực tế. ....
Xác định tỷ lệ chính xác. ....
Tính tỷ lệ phân loại sai. ....
Tìm tỷ lệ tích cực thực sự. ....
Xác định tỷ lệ âm thực sự ..
Làm thế nào để bạn âm mưu ma trận nhầm lẫn trong Seaborn?
Âm mưu ma trận nhầm lẫn bằng cách sử dụng Seaborn để vẽ một ma trận nhầm lẫn, chúng ta phải tạo một khung dữ liệu của ma trận nhầm lẫn, và sau đó chúng ta có thể sử dụng hàm HeatMap [] của Seaborn để vẽ ma trận nhầm lẫn trong Python. Ví dụ: hãy tạo một ma trận nhầm lẫn ngẫu nhiên và vẽ nó bằng hàm HeatMap [].create a data frame of the confusion matrix, and then we can use the heatmap[] function of Seaborn to plot the confusion matrix in Python. For example, let's create a random confusion matrix and plot it using the heatmap[] function.